تُعتبر تقنية ESRVS (Extreme Semi-Supervised Retinal Vessel Segmentation) طفرة نوعية في مجال تحليل الصور الطبية، حيث تسعى لتقليل الاعتماد على التقييم البشري المكلف، من خلال استخدام صورة واحدة فقط مُعَلَّمة. في هذا السياق، تتناول ESRVS مسألة تمييز الأوعية الدموية في الشبكية بشكل فعال، مُستخدمة مجموعة غير مُعَلَّمة من الصور.

تقوم ESRVS أولاً باختيار صورة مرجعية تمثل العين المُعَالَجة لتكون بمثابة الأساس في التقدير. ثم، تستخدم الخصائص المستندة إلى نموذج DINOv3 المُكيف للبيانات المستهدفة لنقل علامات الأوعية الدموية. تُنتج ESRVS نموذجاً متعدد المقياس للأوعية، وتأخذ بعين الاعتبار الخرائط المماثلة للتصميم، بالإضافة إلى نموذج مستوحى من الفيزياء لتوليد التسميات الأولية.

تعمل التقنية على تحسين مستوى التحكم في التقدير من خلال التدريب على التسميات الزائفة المُوزونة والتكرار العدائي، مما يضمن دقة أكبر في النتائج. وكشفت التجارب عبر ثمانية مجموعات بيانات عامة أن ESRVS حققت أعلى نتائج في معايير Dice وclDice ضمن ست مجموعات بيانات، وكذلك كانت الأفضل في HD95 عبر جميع المجموعات المدروسة. حيث تمكنت من الحفاظ على 93.7% من دقة Dice الخاصة بالمراقبة الكاملة و95.1% من clDice.

تُظهر هذه النتائج مدى قدرة نموذج التوزيع الأساسي في تعزيز كفاءة التسمية في تمييز الأوعية الدموية الشبكية. إذا كنت مهتمًا بالتعرف على المزيد من التفاصيل التقنية، يمكنك العثور على الشيفرة المصدرية على GitHub.